FrontPage/Python/Scipy+Numpy のバックアップ(No.12)

numpy †

インストール †

アップデートの際にはまったので備忘録を残します。numpyをアップデートしようとした際にMingw32Compilerのなんちゃらでエラーが発生。

pip install numpy -U

アンインストール後、再度インストールしようとしてもエラー。

pip install numpy

そこで, こちらからnumpy‑1.9.3+mkl‑cp27‑none‑win_amd64.whlをダウンロード。適当なフォルダにおいて、'shift+右クリック'>'コマンドラインでひらく'をして,

pip install 'numpy-1.9.3*****.whl'

.whlからインストールすると一発で上手くいった。良かった。。。

↑

ログの保存 †

def debuglog(name='', data=[]):
   with open('log.csv', 'a') as f:
       writer = csv.writer(f, lineterminator='\n')
       writer.writerow(name)
       writer.writerow(data)

↑

ログの保存２ †

from datetime import date
import csv
def debuglog(s=None, data=None):
   d = date.today().isoformat()
   with open('log.csv', 'a') as f:
       writer = csv.writer(f, lineterminator='\n')
       if not s is None:
           writer.writerow([d , s])
       if not data is None:
           writer.writerow([d, data])
       print s, data

↑

バイナリデータの読み書き †

http://hydrocul.github.io/wiki/numpy/ndarray-io.html

↑

np.save, np.load †

ndarr1 = np.array([0.0, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0])
np.save('test.npy', ndarr1)
ndarr2 = np.load('test.npy')

↑

np.savez, np.load †

np.savez を使うと複数のndarrayを名前付きで、しかも圧縮してファイルに保存できる。保存したファイルを読み込むには上と同じく np.load を使う。 np.load はファイルの保存形式を拡張子で判断しているようで、 np.savez での保存形式の場合は拡張子は .npz を使う。

ndarr1 = np.array([0.0, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0])
ndarr2 = np.array([10, 20, 30])
np.savez('test.npz', x=ndarr1, y=ndarr2)
ndarr3 = np.load('test.npz')
print(ndarr3['x'])
# 出力結果
# [ 0.   0.1  0.2  0.3  0.4  0.5  0.6  0.7  0.8  0.9  1. ]
print(ndarr3['y'])
# 出力結果
# [10 20 30]

↑

np.savetxt, np.loadtxt †

2次元ndarryをテキスト形式で保存・読み込み. 区切り文字は空白がデフォルトなのでcsvにするためにはdelimiterオプションを利用

ndarr1 = np.array([[1., 2., 3.], [4., 5., 6.], [7., 8., 9.]])
np.savetxt('test.csv', ndarr1, delimiter=',')
ndarr2 = np.loadtxt('test.csv', delimiter=',')
print(ndarr2)
# 出力結果
# [[ 1.  2.  3.]
#  [ 4.  5.  6.]
#  [ 7.  8.  9.]]

↑

初めての信号処理 †

人工信号に対して、FFT、STFT解析を行うサンプルコード

→初めての信号処理

↑

オーディオのロード †

scipyを使う場合

返り値のdataはnumpy.array()

   # オーディオのロード
   from scipy.io.wavfile import read
   fs, data = read(filename)
   data = data[0:fs/2-1]

↑

Numpy Array (np.ndarray) †

ary = np.array([1,2,3,4,5]) = np.array( (1,2,3,4,5))
# ゼロベクトル
ary = np.zeros(3) # 1次元の場合はスカラーでよい
ary = np.zeros((3, 2)) # N次元の場合はタプルを忘れずに
# 空配列
ary = np.empty((Nx,Ny))
ary = np.empty_like(ary0)
# 1ベクトル
ary = np.ones((Nx,Ny))
ary = np.ones_like(ary0)
# 単位行列
ary = identity(N) #NxNの単位行列が生成される

ndarrayの属性・プロパティ

ary = np.array([1,2,3])
# データタイプ(np.bool, np.int, np.float, np.complex... np.int32, np.float64...)
 ary.dtype 
# タイプの変更
ary = ary.astype(np.float)
# 配列サイズ
ary = np.empty((3,5,2), dtype = np.float)
ary.shape
>> (3,5,2)
# 配列次元
ary = np.empty((3,5,2), dtype = np.float)
ary.ndim
>> 3
# 要素数
ary = np.empty((3,5,2), dtype = np.float)
ary.size
>> 30

↑

Numpy Array (ndarray) 便利機能 †

→The N-dimensional array

→ndarray atribute and method

↑

Numpy dtype †

dtype_range = {np.bool_: (False, True),
              np.bool8: (False, True),
              np.uint8: (0, 255),
              np.uint16: (0, 65535),
              np.int8: (-128, 127),
              np.int16: (-32768, 32767),
              np.int64: (-2**63, 2**63 - 1),
              np.uint64: (0, 2**64 - 1),
              np.int32: (-2**31, 2**31 - 1),
              np.uint32: (0, 2**32 - 1),
              np.float32: (-1, 1),
              np.float64: (-1, 1)}

↑

オーディオI/O †

pythonでオーディオを再生するにはpyaudioがよさそう。pyaudioに再生させるためには、バイナリに戻す必要がある。

→numpy.unpackbit

>>> a = np.array([[2], [7], [23]], dtype=np.uint8)
>>> a
array([[ 2],
      [ 7],
      [23]], dtype=uint8)
>>> b = np.unpackbits(a, axis=1)
>>> b
array([[0, 0, 0, 0, 0, 0, 1, 0],
      [0, 0, 0, 0, 0, 1, 1, 1],
      [0, 0, 0, 1, 0, 1, 1, 1]], dtype=uint8)

↑

np.frombufferで24bitファイルを読み込む †

→Speed up loading 24-bit binary data into 16-bit numpy array

output = np.frombuffer(data,'b').reshape(-1,3)[:,1:].flatten().view('i2')

↑

sndhdr — サウンドファイルの識別 †

   path = './audio/sin_44100_24bit_stereo_5s.wav'
   print sndhdr.what(path)
   >>> ('wav', 44100, 2, -1, 24)
   print sndhdr.whathdr(path)
   >>>('wav', 44100, 2, -1, 24)

import sndhdr, wave, struct
if sndhdr.what(fname)[0] != 'wav'
 raise StandardError("file doesn't have wav header")
try:
 wav = wave.open(fname)
 params = (nchannels,sampwidth,rate,nframes,comp,compname) =  wav.getparams()
 frames = wav.readframes(nframes*nchannels)
finally:
 wav.close()
out = struct.unpack_from ("%dh" % nframes*nchannels, frames)

↑

配列の拡張(行列の各列ベクトルを標準化) †

↑

配列の拡張(行列の各列ベクトルを標準化) †

X = np.arange(12).reshape((3,4))
>> array([[ 0,  1,  2,  3],
      [ 4,  5,  6,  7],
      [ 8,  9, 10, 11]])
// 平均ベクトル
m = np.mean(X, axis=0)
>> array([ 4.,  5.,  6.,  7.])
// X-m そのまま各行ごとに演算できる
>> array([
     [-4., -4., -4., -4.],
      [ 0.,  0.,  0.,  0.],
      [ 4.,  4.,  4.,  4.]])
//標準偏差
s = np.std(X, axis=0)
>> array([
      [-0.3381028 , -1.20939778,  0.5124003 ,  1.35738762],
      [-2.12531859,  0.60120223,  1.75273089,  0.4617148 ],
      [-0.14482128, -0.73401208,  0.63781457, -0.33835372]])
// 標準化
// (X-m)/s
>> array([
      [-1.22474487, -1.22474487, -1.22474487, -1.22474487],
      [ 0.        ,  0.        ,  0.        ,  0.        ],
      [ 1.22474487,  1.22474487,  1.22474487,  1.22474487]])

なんて便利なんだ。

↑

** 配列の拡張(行列の各行ベクトルを標準化) †

↑

** 配列の拡張(行列の各行ベクトルを標準化) †

ポイントはm = np.mean(X, axis=1)[:, np.newaxis] np.newaxisは軸を追加する。これによりnumpyが自動で軸ごとに演算してくれる。ブロードキャストというらしい。

X=np.arange(12).reshape(3,4)
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]
m = np.mean(X, axis=1)
[ 1.5  5.5  9.5]
m.T[:,np.newaxis]
 [[ 1.5]
 [ 5.5]
 [ 9.5]]
X-m
[[-1.5 -0.5  0.5  1.5]
 [-1.5 -0.5  0.5  1.5]
 [-1.5 -0.5  0.5  1.5]]

↑

# numpy配列をプリントした場合の表示桁数 †

np.set_printoptions(precision=3)

def ndprint(a, format_string='{0:.2f}'):
   """
   ndarrayをprintする関数
   :example: ndprint(x)
   """
   return [format_string.format(v, i) for i, v in enumerate(a)]

def ndprints(s, a, format_string='{0:.2f}'):
   """
   ndarrayをprintする関数
   :example: ndprint(x)
   """
   print s, [format_string.format(v, i) for i, v in enumerate(a)]